基于RBF神經(jīng)網(wǎng)絡(luò )的控制系統傳感器故障診斷方法

式中：y(k)是傳感器實(shí)際輸出；u(k)是系統實(shí)際輸入；f(?)代表某個(gè)未知的動(dòng)態(tài)系統(壓鑄機)的非線(xiàn)性關(guān)系；n，l，d分別代表系統結構的階次和時(shí)間延遲，并且假設u(k)，y(k)是可測的。
利用RBF神經(jīng)網(wǎng)絡(luò )模型的徑向基函數來(lái)逼近f(?)。將函數：

作為RBF神經(jīng)網(wǎng)絡(luò )訓練模型輸入層的輸入，通過(guò)上述隱含層高斯徑向基函數進(jìn)行非線(xiàn)性變換，再利用上述模糊K均值聚類(lèi)算法來(lái)選取聚類(lèi)中心和訓練權值，最后得到整個(gè)網(wǎng)絡(luò )的輸出：

式中：y(k)為輸出層的輸出；ωi為修正后的權值；Fi(k)為第i個(gè)隱層節點(diǎn)的輸出；θ為輸出層節點(diǎn)的閥值，并將y(k)與當前系統的實(shí)際輸出y (k)進(jìn)行比較，得到殘差δ(k)。若δ(k)小于預定閥值θ，表示傳感器正常工作，此時(shí)采用系統實(shí)際輸出的數據；若δ(k)大于預定閥值θ，說(shuō)明傳感器發(fā)生故障，此時(shí)采用RBFNN觀(guān)測器的觀(guān)測數據作為系統的真實(shí)輸出，實(shí)現信號的恢復功能。
3．2 仿真實(shí)驗
在壓鑄機系統各傳感器正常工作時(shí)連續采集52組相關(guān)數據，將其分成2組，前40組用于對RBF神經(jīng)網(wǎng)絡(luò )進(jìn)行離線(xiàn)訓練，以構建RBF神經(jīng)網(wǎng)絡(luò )觀(guān)測器；后12組用于對訓練好的網(wǎng)絡(luò )進(jìn)行測試。表1為訓練樣本庫中的部分數據。